change tokenizer

README.md

@@ -37,7 +37,7 @@ from sentence_transformers import SentenceTransformer
 sentences = [
     "PKSHA Technologyは機械学習/深層学習技術に関わるアルゴリズムソリューションを展開している。",
     "この深層学習モデルはPKSHA Technologyによって学習され、公開された。",
-    "広目天は、仏教における四天王の一尊であり、サンスクリット語の「種々の眼をした者」を名前の由来とする。"　
+    "広目天は、仏教における四天王の一尊であり、サンスクリット語の「種々の眼をした者」を名前の由来とする。",
 ]
 
 model = SentenceTransformer('pkshatech/simcse-ja-bert-base-clcmlp')

README_JA.md

@@ -34,7 +34,7 @@ from sentence_transformers import SentenceTransformer
 sentences = [
     "PKSHA Technologyは機械学習/深層学習技術に関わるアルゴリズムソリューションを展開している。",
     "この深層学習モデルはPKSHA Technologyによって学習され、公開された。",
-    "広目天は、仏教における四天王の一尊であり、サンスクリット語の「種々の眼をした者」を名前の由来とする。"　
+    "広目天は、仏教における四天王の一尊であり、サンスクリット語の「種々の眼をした者」を名前の由来とする。",
 ]
 
 model = SentenceTransformer('{model_id}')

config.json

@@ -1,10 +1,8 @@
 {
-  "_name_or_path": "cl-tohoku/bert-base-japanese-v2",
   "architectures": [
-    "BertModel"
+      "BertModel"
   ],
   "attention_probs_dropout_prob": 0.1,
-  "classifier_dropout": null,
   "hidden_act": "gelu",
   "hidden_dropout_prob": 0.1,
   "hidden_size": 768,
@@ -16,11 +14,7 @@
   "num_attention_heads": 12,
   "num_hidden_layers": 12,
   "pad_token_id": 0,
-  "position_embedding_type": "absolute",
   "tokenizer_class": "BertJapaneseTokenizer",
-  "torch_dtype": "float32",
-  "transformers_version": "4.25.1",
   "type_vocab_size": 2,
-  "use_cache": true,
   "vocab_size": 32768
 }

sentence_bert_config.json

@@ -1,4 +1,4 @@
 {
   "max_seq_length": 128,
   "do_lower_case": false
-}
+}

special_tokens_map.json

@@ -1,7 +0,0 @@
-{
-  "cls_token": "[CLS]",
-  "mask_token": "[MASK]",
-  "pad_token": "[PAD]",
-  "sep_token": "[SEP]",
-  "unk_token": "[UNK]"
-}

tokenizer_config.json

@@ -1,22 +1,8 @@
 {
-  "cls_token": "[CLS]",
   "do_lower_case": false,
-  "do_subword_tokenize": true,
-  "do_word_tokenize": true,
-  "jumanpp_kwargs": null,
-  "mask_token": "[MASK]",
-  "mecab_kwargs": {
-    "mecab_dic": "unidic_lite"
-  },
-  "model_max_length": 1000000000000000019884624838656,
-  "name_or_path": "cl-tohoku/bert-base-japanese-v2",
-  "never_split": null,
-  "pad_token": "[PAD]",
-  "sep_token": "[SEP]",
-  "special_tokens_map_file": null,
+  "word_tokenizer_type": "mecab",
   "subword_tokenizer_type": "wordpiece",
-  "sudachi_kwargs": null,
-  "tokenizer_class": "BertJapaneseTokenizer",
-  "unk_token": "[UNK]",
-  "word_tokenizer_type": "mecab"
+  "mecab_kwargs": {
+      "mecab_dic": "unidic_lite"
+  }
 }